pytorch框架学习(tensorboard的使用)

什么是tensorboard?

tensorboard是一个可视化工具,它可以把训练过程中的数据变化以图像的形式绘制出来,或者记录训练过程中使用的图片

tensorboard的安装:

在pycharm的终端中输出安装命令后自动安装——

pip install tensorboard

SummaryWriter:

理解:

summarwriter是pytorch库里的一个类,用来在给定目录中创建事件文件,并向其中添加摘要和事件,以供 TensorBoard 使用

导入:

from torch.utils.tensorboard import SummaryWriter

add_scalar()方法:

它用于将一个标量值添加到一个记录器或日志文件中

主要参数:标签,scalar_value,global_step

标签就是图的说明(表头),scalar_value简单理解为y轴值(函数值),global_step简单理解为x轴值(变量值)

绘制并查看:

代码:

from torch.utils.tensorboard import SummaryWriter#导入SummaryWriter类

writer = SummaryWriter("logs")  # 用SummaryWriter示例化writer对象,用于记录日志

# 假设绘制y = 2*x的图像
for i in range(100):
    # 参数:标签 , 函数值 , 变量值
    writer.add_scalar("y=2*x", 2 * i, i)
    #注意:y=2*x的含义为函数值是变量值的两倍,故参数二是2*i,参数三是i
writer.close()#回收对象

运行结果: 

pytorch框架学习(tensorboard的使用)_第1张图片

接着需要打开这个日志文件,步骤如下:

①在终端输入如下命令:

tensorboard --logdir=logs

②得到网址,默认端口为6006,点击直接跳转,得到绘制好的图像

pytorch框架学习(tensorboard的使用)_第2张图片

pytorch框架学习(tensorboard的使用)_第3张图片

③(可选)输入以下命令可以指定生成结果的端口:

tensorboard --logdir=logs --port=6007

pytorch框架学习(tensorboard的使用)_第4张图片

add_image()方法:

它用于将一张图片添加到一个记录器或日志文件中

主要参数:标签,img_tensor,global_step,参数格式=' '

标签就是图片的说明,img_tensor要求是一个tensor类型或者numpy类型,因此使用PIL的Image.open()方法打开图片后还需要进行一步类型转换,如下:

import numpy as np # 导入numpy库的np工具包,为np.array()依赖

image_path = "MYDATA/train/ants_image/0013035.jpg" # 图片的相对路径
img_PIL = Image.open(image_path) # 打开图片
img_array = np.array(img_PIL) # 更改为numpy类型

再结合前面的知识点,就能对图片进行记录了,完整代码如下:

from torch.utils.tensorboard import SummaryWriter
from PIL import Image
import numpy as np

writer = SummaryWriter("logs") # 用SummaryWriter示例化writer对象,用于记录日志
image_path = "MYDATA/train/ants_image/0013035.jpg"
img_PIL = Image.open(image_path) # 打开图片
print(type(img_PIL))
    # 这里是测试(打印)Image.open()返回的类型,结果为
    # <-这个类型不被add_image()支持,因此使用更np.array()改为numpy类型
img_array = np.array(img_PIL)
print(type(img_array)) #查看转换后的类型,结果是
print(img_array.shape) #查看图片格式,结果为(512, 768, 3),即HWC
writer.add_image("no.1", img_array, 2, dataformats = 'HWC')
    #注:add_image()默认图片为CHW格式,可通过dataformats = 'HWC'指定格式
writer.close()

你可能感兴趣的:(YOLOV5目标检测,pytorch,学习,人工智能)